Penerapan Self-Organizing Map untuk stratifikasi pasien penyakit jantung

INDONESIA:
Penyakit jantung, juga penyakit yang berhubungan dengan kardiovaskular merupakan penyakit dengan tingkat kematian paling tinggi di dunia. Diperlukan penelitian untuk melihat faktor apa saja yang menjadi pengaruh pada kondisi kesehatan jantung. Penelitian ini menggunakan algoritma self-organizing map dan elektrokardiogram sinyal database dari MIT-BIH database. Memanfaatkan kemampuan Self-Organizing Map dalam visualisasi data berdimensi tinggi ke dimensi rendah untuk mendapatkan gambaran klaster yang terbentuk dalam dataset. Pengujian dengan 9 skenario dengan variasi jumlah iterasi dan laju pembelajaran yang masing-masing dilakukan 4 kali pengujian menghasilkan Quantization error optimal pada iterasi 1000 kali skenario A dengan laju pembelajaran 0.85 dan menghasilkan DBI sebesar 0.167557041 dengan 3 klaster yang terbentuk. Pengaruh yang diberikan menunjukkan bahwa banyaknya jumlah iterasi cukup mempengaruhi kualitas klaster yang terbentuk, sedangkan pengujian dengan variasi laju pembelajaran menunjukkan laju 0.85 memperoleh performa yang lebih baik dari nilai laju yang lain.

ENGLISH:
Heart diseases, as well as cardiovascular disease, are the number one killer in the world, with a high mortality rate, the WHO says. Many studies need to be conducted to identify the prominent factor of this deadly ailment. This study utilizes the self-organizing map algorithm and an electrocardiogram signal database from the processed MIT-BIH database to investigate which electrocardiogram leads are associated with specific diseases. Wielding the Self-Organizing Map potency to visualize high-dimensional data in a lower dimension to get a cluster depiction of the dataset. The result shows that 3 clusters were forming, with the Davies-Bouldin index showing a good result of 0.167557041 and it was obtained in scenario A with maximum iterations on 1000 and a learning rate value of 0.85. Maximum iteration leverage reaches quite a remarkable performance regarding its influence on the cluster quality; alas, the experiment in variations of learning rate shows that a learning rate of 0.85 got the best performance among the other values.

ARAB:
هذا مرض القلب، هو الأمراض المتعلقة بالجهاز القلبي الوعائي من الأمراض ذات أعلى معدلات الوفيات في العالم. لذاك، من الضروري إجراء بحوث لفهم العوامل المؤثرة على صحة القلب. في هذا البحث، تم استخدام خوارزمية خريطة التنظيم الذاتي وقاعدة بيانات إشارات تخطيط القلب الكهربائي من قاعدة بيانات MIT-BIH. تُستَخدم قدرة خريطة التنظيم الذاتي في تصور البيانات ذات الأبعاد العالية إلى أبعاد منخفضة للحصول على تصور عن المجموعات المتكونة داخل مجموعة البيانات. أُجريت تسع حالات مختلفة باختلاف عدد التكرارات ومعدلات التعلم، وتم تنفيذ كل منها أربع مرات. وقد أظهرت النتائج أن أفضل خطأ في التكميم تحقق في الحالة (A) بعد 1000 تكرار وبمعدل تعلم 0.85، وبلغت قيمة مؤشر ديفيس-بولدين (DBI) ‎0.167557041‎ بثلاث مجموعات متكونة. تظهر النتائج إلى أن عدد التكرارات يؤثر بشكل كبير على جودة المجموعات، بينما يُظهر الاختبار باستخدام معدلات تعلم مختلفة أن المعدل ‎0.85‎ يحقق أداءً أفضل مقارنة بالمعدلات الأخرى.